腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

Visium HD使用Cellpose进行细胞分割-补充

，看来大家对使用Cellpose进行细胞分割很感兴趣，这里我对比较有代表性的几个问题做些补充说明。 Cellpose细胞分割，超参数diameter对结果影响很大，有没有好的方法推荐？ cellpose细胞分割中有几个比较重要的参数，官方文档也有详细介绍(https://cellpose.readthedocs.io/en/latest/settings.html)，其中diameter 这里可以使用Cellpose提供的可视化界面进行设置，观察分割结果，找到合适自己组织的参数。 python -m cellpose --Zstack直接可以打开GUI导入tif图像，选择模型，调整细胞分割参数二. Cellpose分析前对输入tif文件图像处理是做什么？

生信大杂烩

2025-05-29

6020

标签:

在腾讯云云服务器CVM中使用Cellpose-SAM进行高效细胞分割

本文将介绍如何使用Cellpose-SAM进行推理，并提供一个完整的代码示例。什么是Cellpose-SAM？Cellpose是一个基于深度学习的通用细胞分割算法，能够准确识别各种类型的细胞。 Cellpose-SAM结合了两者的优势，先用Cellpose进行初步检测，再用SAM进行精细分割，从而获得更准确的结果。下面详述在腾讯云云服务器CVM中使用docker以及Cellpose-SAM进行推理的过程。推理脚本cellpose_infer.py：import torchimport argparseimport osimport numpy as npfrom cellpose import io, 提供了一个强大的细胞分割解决方案，结合了Cellpose的准确性和SAM的精细化能力。

2025-09-01

7261

标签:

ISS空间转录组的细胞分割算法汇总(stardist、cellpose、QuPath、SCS)

接下来了解第二个，cellposeCellpose 是一款基于深度学习算法的细胞分割的开源软件，已发表两篇论文，都发表在 Nature Methods 上，即 Cellpose 1.0 和 2.0 版本 cellpose基于CNN（卷积神经网络）和U-Net的结构，可以对单个细胞或聚集细胞的图像进行高质量的分割和分类。 Cellpose适用于不同类型的细胞图像，例如荧光显微镜图像、H&E染色的组织切片图像和显微镜图像。它还可以通过交互式模式和批量处理模式进行数据分析。 Cellpose的优点包括易于使用、可扩展性、高分割准确性和快速速度。看第三个，QuPathQuPath是一个免费且开源的软件项目，专为生物医学图像分析而设计，尤其是针对显微镜下的组织病理学图像。

2024-06-06

3.6K0

标签:

Cellpose掩码图像显示全黑的原因与解决方法

Cellpose 是一个基于深度学习的开源软件，专门用于细胞分割（Cell Segmentation）。它的核心目标是自动、准确地将显微镜图像中的单个细胞识别出来，并勾勒出它们的精确边界。 Cellpose进行细胞图像分割时，许多用户发现生成的掩码图像在普通图片查看器中显示为全黑色。问题现象通过命令行运行Cellpose：cellpose --image_path ~/mask.png --pretrained_model cyto3 --save_png软件正常生成输出文件，但用普通图片查看器打开掩码技术原理数据格式特性Cellpose生成的掩码图像采用16位无符号整数(uint16)格式，每个细胞区域被赋予独特整数值：第一个识别细胞区域像素值为1第二个区域值为2后续区域依次递增显示问题成因位深不匹配 plt.show()实用解决方案正确查看方式：使用专业图像软件或编程方式查看掩码数据处理：直接使用.npy格式数据进行后续分析可视化优化：通过matplotlib等工具自定义颜色映射以增强显示效果总结Cellpose

2025-08-26

4620

标签:

心脏解剖“黑科技”：用 QuPath + Cellpose 数出心里的“脂肪与纤维”

这篇文章用开源工具 QuPath 和 Cellpose 建立了一条聪明的图像识别流程，可以“数清楚”心脏里的肌肉、脂肪和纤维——关键是，还能帮我们识别那些难以察觉的心肌病！文献信息标题：Quantifying Cardiac Tissue Composition Using QuPath and Cellpose: An Accessible Approach to Postmortem 作者用了一套开源工具链，让尸检样本分析从“手动眼瞪”变成“智能测量”：工具作用 QuPath 分割组织、训练像素分类器 Cellpose 识别脂肪细胞（胖乎乎一圈圈） R + ggplot2/dplyr

生信菜鸟团

2025-05-08

3870

标签:

Visium HD使用Cellpose进行细胞分割获取单细胞精度空间数据

为了识别出细胞边界，我们可以使用Cellpose (https://www.cellpose.org/)进行单细胞分割，然后再bin-to-cell获得的就是单细胞精度的数据了。 Cellpose在Visium HD数据细胞分割中的优势：高分辨率细胞分割：Cellpose作为一种深度学习模型，能够有效地处理这些高分辨率图像，提供精确的细胞分割，从而确保后续分析的准确性；自动化处理：Cellpose能够自动识别和分割图像中的细胞，减少了人工标注的需求；适应性强：Cellpose经过多样化的数据集训练，具有较强的通用性，能够适应不同类型的细胞图像，而无需用户进行大量的重新训练或调整参数；支持复杂组织结构：Cellpose能够有效处理复杂且细胞密度较高且复杂的组织结构，能准确识别重叠细胞和多样化形态，提高分割精度。以下是使用Cellpose进行细胞分割，然后将2um bin基因表达合并得到单细胞精度表达数据，代码我都进行了详细注释。

生信大杂烩

2025-05-29

6552

标签:

顶刊分享----组织驻留记忆CD8 T细胞多样性具有时空印记（HD + cellpose + Xenium）

今日分享文献，HD + CellPose，这是第二篇HD的实验类文章，第一篇顶刊类的HD文章。知识积累组织驻留记忆CD8 T（TRM）细胞在屏障部位提供感染保护。 matplotlib.pyplot as pltimport numpy as npimport tifffilefrom tqdm.notebook import tqdmimport pathlibfrom cellpose (highres_image)img = io.imread(highres_image)####Write out chunks of the histology image to train a cellpose with zeros return new_imagemaxed_visium = read_dapi_image(highres_image, downscale_factor=1)def run_cellpose batch_size=4, ) return (masks, flows, styles)chunk_per_axis = 2masks_top_left, flows, styles = run_cellpose

2025-01-27

3180

标签:

Nat. Methods | CellSAM: 用于精准细胞分割的通用基础模型

在多数据集上实现领先性能并具备通用性研究人员将 CellSAM 与 Cellpose 等先进方法比较，结果表明： CellSAM-generalist 的表现优于所有通用版 Cellpose，也可与各专用版 Cellpose 相媲美；在不同数据类型中（组织、细胞培养、酵母、细菌、核），CellSAM 的误差均最低；在 NeurIPS 细胞分割挑战赛数据上，CellSAM 达到最佳泛化性能。

2025-12-17

3770

标签:

每日学术速递1.28

我们表明，通过PEN，CellPose中学习到的语义表示对深度进行了编码，与作为输入的最大强度投影图像相比，大大提高了分割性能，但对基于区域的网络如Mask-RCNN的分割没有类似帮助。最后，我们剖析了PEN与CellPose在并排球状体的传播细胞上对细胞密度的分割强度。我们将PEN作为一个数据驱动的解决方案，以形成三维数据的压缩表示，改善实例分割网络的二维分割。 We show that with PEN, the learned semantic representation in CellPose encodes depth and greatly improves Finally, we dissect the segmentation strength against cell density of PEN with CellPose on disseminated

2023-05-15

4150

标签:

Nature | 深度学习解锁细胞显微图像

CellPose采用了一种更通用的方法。这使得CellPose能够高精度地、更重要的是，广泛适用于不同光学显微镜方法和样本类型，自信地将给定图像中的每个像素分配给一个细胞。对于CellPose，作者花了半年时间收集和整理尽可能多的显微镜图像，以建立一个大型且广泛代表性的训练数据集，包括非细胞图像，以提供清晰的反例。 Pachitariu和Stringer同样使用了这种“人在循环中”的方法，重新训练CellPose以在特定数据集上实现更好的性能，使用的样本少至100个细胞。例如，她认为CellPose之所以成功，得益于其直观的图形用户界面以及其分割能力。“努力使东西变得非常友好、易于接近且不令人害怕，这是吸引大多数生物学家的方法，”她说。

2023-12-12

7580

标签: